视觉大模型

解释OCR与视觉大模型在文字提取、表格解析、版面理解和文档问答中的差异，并给出组合工作流。

用截图、图表、商品图和设计稿四类真实任务，测试图像理解模型的文字、结构、数据与视觉推理能力。